계층적 멀티에이전트 시스템(HMAS)으로 랜섬웨어 탐지와 변종(family) 분류를 수행하는 비용 인식형 아키텍처를 제안했다. 정적 분석을 저비용 1차 모달리티로 사용하고, 판단이 불확실하거나 에이전트 간 의견이 엇갈릴 때만 동적·메모리 분석을 선택적으로 추가하며, 어려운 사례는 로컬 LLM이 검증한다. 이 방식으로 이진 탐지에서 정확도 96.57%, F1 0.96, ROC-AUC 0.99를 달성했고 변종 분류는 매크로 F1 0.90을 기록했으며, 전수 분석 대비 평균 분석 비용을 43.97% 절감했다. 전체 사례의 56.05%는 정적 증거만으로 해결돼, 이기종·불완전 모달리티 환경에서도 정확도와 비용의 균형을 맞출 수 있음을 보여준다.
- •정적→동적→메모리 순으로 필요할 때만 확장하는 계층적 비용 인식 오케스트레이션 구조
- •이진 탐지 정확도 96.57%, F1 0.96, ROC-AUC 0.99, 변종 분류 매크로 F1 0.90
- •전수 분석 대비 평균 분석 비용 43.97% 절감, 사례의 56.05%는 정적 분석만으로 해결
- •어려운 사례에 한해 로컬 배포 LLM이 검증 역할 수행(결정론적 파이프라인 대체 아님)
0단 자동
AI가 규칙대로 쓰고 그대로 게시했습니다. 사람이 따로 보지 않았습니다.
- 규칙 판
- 규칙 판 도입 이전 기사입니다.
- 남기는 것
- 규칙 판 · 모델 · 시각
- 판 기록
- 아직 없습니다.
Cost-Aware Hierarchical Multi-Agent Ransomware Detection and Family Attribution
- 1.정적·동적·메모리 분석을 표본별로 선택 적용하는 비용 인지 계층형 멀티에이전트 랜섬웨어 탐지 시스템(HMAS) 제안
- 2.메타 오케스트레이터가 신뢰도 부족·에이전트 간 불일치 시에만 추가 모달리티를 호출하는 적응형 구조
- 3.이진 탐지 정확도 96.57%·F1 0.96·ROC-AUC 0.99, 가족 분류 매크로-F1 0.90 달성
- 4.전수 분석 대비 평균 분석 비용 43.97% 절감, 56.05%는 정적 분석만으로 해결
왜 중요한가?
랜섬웨어 탐지는 다중 모달리티 분석이 정확하지만 비용이 크다는 딜레마가 있었는데, 필요할 때만 값비싼 동적·LLM 검증을 호출하는 방식으로 정확도를 유지하며 실운영 비용과 지연을 크게 줄일 수 있음을 보여준다.
랜섬웨어 공격은 기업과 기관에 막대한 피해를 입히는 심각한 사이버 위협이며, 그 탐지 및 분류는 여러 복합적인 분석을 요구합니다. 이 연구는 비용 효율적인 계층형 다중 에이전트 기반 랜섬웨어 탐지 및 분류 방식을 제안하여, 고도화된 공격에 대한 방어 능력을 강화합니다. 랜섬웨어 피해가 끊이지 않는 한국에서는 이러한 AI 기반의 지능형 보안 솔루션이 기업의 데이터 보호와 국가의 사이버 안보 역량 강화에 핵심적인 역할을 할 것입니다.
본문 미리보기
arXiv:2609.04820v1 Announce Type: new Abstract: Ransomware detection and family attribution require analysis of different modalities because it can use packing, obfuscation, process manipulation and runtime evasion techniques. However, conventional multimodal usually uses all available modalities for every sample resulting in unnecessary computational cost and increased latency. In this paper, we present a Cost Aware Hierarchical Multi-Agent System (HMAS) for adaptive ransomware detection. The
전체 내용이 궁금하다면?
원문을 직접 읽어보세요
이 글이 만들어진 과정
- 11:24AI 초안
![[AI리더의 서가] Agentic AI 구축 개발의 모든 것](https://cdn.aitimes.com/news/photo/202610/215958_219938_244.jpg)
